●第1章 Minitab與應用統計1
1.1 概述1
1.2 Minitab基礎1
1.2.1 窗口介紹2
1.2.2 簡單示例與本書約定3
1.3 主要統計概念6
1.3.1 一個調查6
1.3.2 變量的測量尺度與變量類型7
1.3.3 變量的關繫9
1.3.4 數據的預處理9
1.3.5 其他概念12
1.4 利用Minitab自學統計13
第2章 描述統計15
2.1 單變量的圖表方法15
2.1.1 一個品質變量15
2.1.2 一個數值變量18
2.2 雙變量的圖表方法23
2.2.1 兩個品質變量23
2.2.2 品質變量與數值變量27
2.2.3 兩個數值變量30
2.3 三變量的圖表方法32
2.3.1 三個品質變量32
2.3.2 三個數值變量34
2.4 數值變量的數值方法36
2.4.1 數值變量的數值方法概述36
2.4.2 一個數值變量36
2.4.3 兩個數值變量46
第3章 概率、分布與模擬50
3.1 基本概念50
3.1.1 概率50
3.1.2 隨機變量與分布51
3.1.3 理論分布54
3.2 離散型概率分布55
3.2.1 離散型均勻分布55
3.2.2 二項分布55
3.2.3 泊松分布57
3.3 連續型概率分布58
3.3.1 均勻分布58
3.3.2 指數分布59
3.3.3 正態分布61
3.4 其他連續型分布63
3.4.12分布63
3.4.2 t分布64
3.4.3 F分布65
3.5 概率、累積概率和逆累積概率的計算66
3.5.1 計算的類型和方法66
3.5.2 利用Minitab計算概率、累積概率和逆概率68
3.6 樣本分布與模擬76
3.6.1 樣本分布與抽樣概述76
3.6.2 簡單隨機抽樣76
3.6.3 正態分布模擬77
3.7 抽樣分布與模擬80
3.7.1 推斷統計與抽樣分布80
3.7.2 抽樣分布模擬83
第4章 單樣本的估計和檢驗87
4.1 估計的概念與類型87
4.1.1 估計的概念87
4.1.2 單樣本區間估計的類型88
4.2 單樣本的區間估計89
4.2.1 總體標準差已知時，總體均值的區間估計89
4.2.2 總體標準差未知時，總體均值的區間估計94
4.2.3 總體比例的區間估計97
4.2.4 總體方差2（標準差）的區間估計99
4.2.5 總體均值與總體方差的區間估計應用102
4.3 樣本容量的計算103
4.4 假設檢驗的概念與類型105
4.4.1 假設檢驗的概念與P值法105
4.4.2 三種類型的假設檢驗106
4.4.3 兩種形式的假設檢驗107
4.5 單樣本的假設檢驗109
4.5.1 總體標準差已知時，總體均值的假設檢驗109
4.5.2 總體標準差未知時，總體均值的假設檢驗114
4.5.3 總體比例的假設檢驗117
4.5.4 總體方差2（標準差）的假設檢驗119
4.6 功效檢驗122
第5章 雙樣本的統計推斷126
5.1 雙樣本統計推斷的基礎知識126
5.1.1 雙樣本統計推斷概述126
5.1.2 雙樣本統計推斷的類型127
5.2 雙樣本的統計推斷128
5.2.1 總體均值之差12的統計推斷：兩總體的標準差1和2已知時的獨立樣本128
5.2.2 總體均值之差12的統計推斷：兩總體的標準差1和2未知時的獨立樣本133
5.2.3 總體均值之差12的統計推斷：配對樣本136
5.2.4 總體比例之差12 的統計推斷140
5.2.5 總體方差（標準差）之比 （1/2）的統計推斷145
5.3 Minitab中樣本數據的存儲方式148
5.3.1 樣本數據存儲方式概述148
5.3.2 堆疊數據與非堆疊數據的轉換方式149
5.3.3 利用非堆疊數據進行統計推斷150
第6章 基礎統計方法的拓展152
6.1 假設檢驗的拓展152
6.1.1 正態性檢驗152
6.1.2 等方差檢驗156
6.1.3 異常值檢驗159
6.2 數值變量與泊松率161
6.2.1 泊松分布的擬合優度檢驗161
6.2.2 單樣本泊松率的統計推斷163
6.2.3 雙樣本泊松率的統計推斷164
6.3 品質變量與卡方檢驗167
6.3.1 擬合優度的卡方檢驗167
6.3.2 二維列聯表的卡方檢驗172
6.3.3 三維列聯表的卡方檢驗177
第7章 方差分析179
7.1 利用堆疊數據陳述假設179
7.2 單因子方差分析180
7.2.1 方差分析的概念180
7.2.2 基於一般線性模型的單因子方差分析182
7.2.3 多重比較186
7.2.4 因子圖與預測188
7.2.5 完整案例189
7.2.6 單因子方差分析的其他問題191
7.3 雙因子方差分析194
7.3.1 不含交互作用的雙因子方差分析194
7.3.2 包含交互作用的雙因子方差分析198
7.4 方差分析的拓展202
7.4.1 協方差分析202
7.4.2 隨機效應與混合效應方差分析208
7.4.3 接近嵌套方差分析211
7.4.方差分析215
7.5 雙因子方差分析的數據格式與重復測量方差分析217
7.5.1 雙因子方差分析的非堆疊數據格式與轉換217
7.5.2 重復測量方差分析218
第8章 回歸分析219
8.1 相關關繫與相關繫數的假設檢驗219
8.2 線性回歸：數值因變量220
8.2.1 簡單線性回歸220
8.2.2 多重線性回歸228
8.2.3 預測233
8.3 回歸診斷235
8.3.1 殘差分析：檢驗模型的統計正確性235
8.3.2 檢驗異常值、高杠杆點和強影響點238
8.3.3 多重共線性240
8.3.4 線性回歸與回歸診斷的案例241
8.4 線性回歸中的其他問題245
8.4.1 品質自變量245
8.4.2 包含品質、數值兩種自變量的回歸252
8.4.3 模型構建256
8.5 特殊因變量回歸261
8.5.1 二值logistic回歸261
8.5.2 名義logistic回歸271
8.5.3 順序logistic回歸276
8.5.4 泊松回歸279
8.6 變量具有函數關繫時的應用統計方法總結281
第9章 經典統計的替代與補充283
9.1 非參數統計方法283
9.1.1 非參數統計方法概述283
9.1.2 單樣本的統計推斷284
9.1.3 雙樣本的統計推斷289
9.1.4 方差分析295
9.1.5 遊程檢驗與Spearman秩相關300
9.2 等價檢驗303
9.2.1 單樣本均值的等價檢驗303
9.2.2 兩樣本均值的等價檢驗305
9.3 可靠性/生存分析308
9.3.1 生存分析概述308
9.3.2 生存分析的參數方法311
9.3.3 生存分析的非參數方法315
9.3.4 生存回歸318
第10統計分析321
10.統計分析概述321
10.2 聚類分析321
10.2.1 聚類分析的概念321
10.2.2 Q型聚類與距離322
10.2.3 Q型聚類：觀測值聚類323
10.2.4 Q型聚類：K均值聚類327
10.2.5 R型聚類與相似性：變量聚類329
10.3 判別分析330
10.4 主成分分析與因子分析335
10.4.1 主成分分析335
10.4.2 因子分析339
10.5 對應分析343
10.5.1 對應分析概述343
10.5.2 簡單對應分析346
10.5.3 多重對應分析348
第11章 時間序列分析與預測350
11.1 時間序列的基本概念350
11.1.1 時間序列圖350
11.1.2 自相關與平穩性351
11.2 平穩時間序列預測的平滑方法355
11.2.1 預測入門355
11.2.2 移動平均法356
11.2.3 指數平滑法358
11.3 非平穩時間序列的預測方法360
11.3.1 時間序列的成分360
11.3.2 趨勢分析360
11.3.3 季節效應364
11.4 ARIMA模型368
11.4.1 AR、MA和ARMA模型的估計和預測368
11.4.2 差分與ARIMA模型375
11.4.3 模型選擇378
11.4.4 包含季節效應的ARIMA模型382
11.5 回歸分析方法385
11.5.1 利用回歸分析估計時間序列數據385
11.5.2 時間序列回歸分析的回歸診斷387
第12章 質量管理中的統計方法390
12.1 質量管理概述390
12.2 過程分析的圖形方法391
12.2.1 帕累托圖391
12.2.2 因果圖392
12.2.3 多變異圖393
12.3 控制圖396
12.3.1 控制圖概述396
12.3.2 變量控制圖396
12.3.3 屬性控制圖401
12.3.4 利用控制圖預警407
12.4 過程能力分析408
12.4.1 過程能力分析概述408
12.4.2 正態數據的過程能力分析409
12.4.3 非正態數據的過程能力分析412
12.4.4 屬性數據的過程能力分析415
12.5 試驗設計（DOE）417
12.5.1 試驗設計概述417
12.5.2 全因子試驗設計的計劃階段419
12.5.3 全因子試驗設計的分析階段421
12.5.4 部分因子試驗設計430
12.5.5 其他試驗設計方法435
12.6 測量繫統分析445
12.6.1 測量繫統分析概述445
12.6.2 重復性和再現性447
12.6.3 偏移和線性453
12.6.4 重復性和偏移454
